Bananes, tasses et éplucheurs : des robots apprennent à manipuler des objets incurvés comme des fruits et des outils
Transfert de tâches entre les formes, prenant en compte l’immense variété de formes des objets du quotidien. Crédit : Cem Bilaloglu
Il suffit de peu de choses pour désorienter certains robots. Une machine peut parfaitement manipuler un objet simple comme une boîte, mais échouer souvent face à une forme plus irrégulière comme une banane.
Mais une solution existe. Des chercheurs de l’École polytechnique fédérale de Lausanne (EPFL) et de l’Institut de recherche Idiap ont mis au point une nouvelle approche permettant aux robots de manipuler avec plus de fiabilité une grande variété de formes différentes en leur apprenant à suivre la géométrie unique de chaque objet rencontré.
Leurs travaux sont détaillés dans un article publié dans la revue Science Robotics .
Pour la plupart d’entre nous, des tâches quotidiennes comme éplucher une pomme de terre, couper un concombre ou faire la vaisselle sont simples et faciles, ne nécessitant que peu de réflexion. En revanche, pour les robots, elles représentent un véritable défi.
Lorsqu’ils manipulent des formes régulières, les robots peuvent suivre des trajectoires prédéfinies et des directions fixes. Cependant, les objets tels que les tasses, les fruits et les outils présentent des formes et des tailles très variées, avec des géométries, des proportions et des courbes de surface différentes. Bien que les robots puissent être programmés pour différentes formes ou ensembles de formes, la généralisation à de nombreux objets irréguliers demeure complexe.
Aperçu des résultats et de la méthode. Crédit : Cem Bilaloglu
Cartographie de la géométrie des objets du quotidien
L’équipe de recherche a mis au point un système de reconnaissance géométrique permettant aux robots d’effectuer certaines tâches qui nous sont naturelles. Elle a conçu un système permettant aux robots de se représenter les directions à suivre sur des objets irréguliers, afin que la machine puisse déterminer en permanence comment se déplacer en chaque point d’une surface.
Le système utilise une caméra stéréoscopique pour capturer une vue 3D d’un objet. Il traite ensuite ces images afin de générer un nuage de coordonnées servant de guide à un bras robotisé. Puis, grâce à un processus appelé transfert , le robot peut appliquer la même compétence acquise sur un objet à une forme totalement différente sans avoir besoin d’un nouvel apprentissage. « Notre représentation permet le transfert de tâches entre les formes, ce qui permet de prendre en compte l’immense variété de formes des objets du quotidien », écrivent les auteurs de l’étude dans leur article.
Résultats et développement futur
Lors des tests, le robot de l’équipe de recherche a réalisé avec succès des tâches telles que peler, découper et nettoyer une grande variété d’objets qu’il n’avait jamais vus auparavant, même lorsque les données de la caméra étaient incomplètes. Grâce à un processus mathématique qui lisse les informations reçues, le robot est moins affecté par les petites erreurs ou les données 3D manquantes.
« En conditionnant les processus de diffusion sur le nuage de points et les points clés de l’objet cible, nous avons développé une méthode de calcul efficace et robuste pour calculer ces images locales en ligne, même en présence de données de capteurs partielles et bruitées. »
Bien que les résultats soient encourageants, l’équipe reconnaît qu’il existe des marges de progression. Par exemple, le système utilise actuellement quelques points clés sur un objet, qui peuvent être étiquetés manuellement avant que le robot ne puisse commencer sa tâche. Les chercheurs espèrent automatiser cette étape à l’avenir. De plus, ils souhaitent tester leur technologie sur des objets plus complexes et mous, qui changent de forme au toucher, comme les éponges.
https://techxplore.com/news/2026-04-bananas-cups-peelers-robots-fruits.html